Git & DataOps: Από τον Κώδικα στην Παραγωγή
Για να εγγραφτείτε στο μάθημα θα πρέπει να είστε συνδεδεμένοι. Επιλέξτε το κουμπί Σύνδεση για σύνδεση σε υπάρχοντα λογαριασμό ή για δημιουργία λογαριασμού.
Σχετικά με το μάθημα
Τι θα μάθω;
- Διακρίνεις τη διαφορά μεταξύ Git και GitHub/Azure DevOps και να εξηγείς πώς ο έλεγχος εκδόσεων συνδέεται με την αυτοματοποίηση του DataOps (CI/CD).
- Δημιουργείς commits, να πλοηγείσαι στο ιστορικό μέσω του HEAD και να αναιρείς ή να μεταφέρεις επιλεκτικά αλλαγές με το cherry-pick.
- Οργανώνεις τη δουλειά σου σε αυτόνομα feature branches και να τη συγχωνεύεις σωστά, συνδέοντάς την με τα περιβάλλοντα Dev, UAT και Prod.
- Συγχρονίζεις τον κώδικά σου με το cloud, να επιλύεις conflicts και να διαχειρίζεσαι απορρίψεις μέσω της επίσημης διαδικασίας των Pull Requests.
Σε ποιους απευθύνεται;
- Junior Data & Analytics Engineers: Άτομα που ξεκινούν τώρα και θέλουν να μάθουν τον επαγγελματικό τρόπο οργάνωσης dbt μοντέλων και SQL scripts.
- Data Analysts & Data Scientists: Επαγγελματίες που θέλουν να μοιράζονται notebooks και αναλύσεις με την υπόλοιπη ομάδα με ασφάλεια και δομή.
- Tech Project Managers & Product Owners: Στελέχη που διοικούν data ομάδες και θέλουν να κατανοούν τη γλώσσα, τα conflicts και τη ροή εργασίας των engineers.
Curriculum Μαθήματος
Καλωσόρισμα
Σημαντικές πληροφορίες σχετικά με το μάθημα.
-
-
-
Κανόνες Κοινότητας
-
Mini Εκπαιδευτική Καθόδηγηση μόνο για τους μαθητές μας
-
Κάνε Join τον Discord Server 🙏🏻
-
[SOS: Για προβολή των βίντεο] Ενεργοποίηση Cookies Εμπορικής Προώθησης
-
Τελευταία λόγια και… ξεκινάμε!
Εισαγωγή στο Version Control & το Οικοσύστημα του Cloud
Εισαγωγή του μαθήματος και της σημαντικότητας αυτού.
-
Τι είναι το Version Control
-
-
Τι είναι το CI/CD στα Data Pipelines;
-
Τι είναι το DevOps σε 5′
05:41 -
Git, DevOps και η ανάδυση του DataOps
-
Τι είναι το GitHub;
-
Πώς σχετίζεται το Git με το GitHub;
-
Git vs. Azure DevOps / GitHub: Η Επιχειρηματική Πραγματικότητα
00:00 -
Το Γλωσσάρι του Engineer
-
Εγκατάσταση Git & Οργάνωση του GitHub
57:25 -
Quiz Ενότητας: Εισαγωγή
Τοπική Ανάπτυξη & Η Στρατηγική των Περιβαλλόντων (Main Branch & Local Dev)
Γνώσεις που σχετίζονται με το main branch.
-
Git Commits: Πώς αποθηκεύεται η δουλειά σου
-
Git Branches: Η απομόνωση του κώδικα
-
Ο δείκτης HEAD
-
Τα 3 Περιβάλλοντα Δεδομένων: Dev, UAT, Prod
-
Git Merge: Ενοποίηση της Εργασίας
-
Activity: Κατανοώντας τις Git εντολές
-
Αναίρεση Αλλαγών: Git Reset vs. Git Revert
-
Git Cherry-pick: Επιλεκτική Μεταφορά
-
Πώς λειτουργεί η αποθήκευση
03:55 -
Activity: Η Πρώτη σου Τοπική Ροή Εργασίας
-
Quiz Ενότητας: Main
Ομαδική Συνεργασία & Διαχείριση Αποκλίσεων
Γνώσεις που σχετίζονται με remote branches.
-
Τι είναι τα Git Remotes και ποια τα πλεονεκτήματά τους;
-
Η Εντολή Git Clone
-
Remote-Tracking Branches: Τα Τοπικά «Φαντάσματα»
-
Git Fetch: Λήψη Δεδομένων από το Remote
-
Git Pull: Λήψη και Άμεση Ενσωμάτωση
-
Git Push: Δημοσίευση της Εργασίας σου
-
Conflicts & Diverged Work: Όταν το Ιστορικό Αποκλίνει
-
The Analytics Engineer Workflow
-
Activity: Επιλύοντας conflicts
-
Quiz Ενότητας: Remote
Χρήσιμες Πηγές & Αξιολόγηση
Μοιραζόμαι χρήσιμες πηγές και δίνεται η δυνατότητα να αξιολογήσετε το μάθημα!
-
Learn Git & GitHub
57:25 -
Git & GitHub Explained
07:37 -
Cheatsheet
-
Αξιολόγηση και Κοινοποίηση της Επιτυχίας σας!
Γνώρισε το Μάθημα
Υλικό
- Κείμενο
- Χρήσιμα Βίντεο
- Cheatsheet(s)
- Activities
- Quiz Κατανόησης
Χαρακτηριστικά του Μαθήματος
Χρήσιμες Πληροφορίες
🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.
💡Η πρόσβαση στο μάθημα γίνεται άμεσα με το που γίνει η πληρωμή.
📽️ Η παρακολούθηση είναι ασύγχρονη.
Instructor(s)
Αξιολογήσεις Μαθητών
Συχνές Ερωτήσεις
Τίτλοι σπουδών όπως:
- Μαθηματικά,
- Στατιστική,
- Διοίκηση Επιχειρήσεων,
- Οικονομικά,
- ή Πληροφορική.
Ωστόσο, οι παραπάνω περιπτώσεις δεν χρειάζεται να σε περιορίσουν ώστε να αλλάξεις το αντικείμενο καριέρας σου και να ακολουθήσεις καριέρα στα Data Analytics.
Όπως σε κάθε επάγγελμα, χρειάζεται να αποκτήσεις πολλαπλές δεξιότητες. Έτσι, και οι ρόλοι που σχετίζονται με Data Analytics χρειάζονται αρκετές δεξιότητες τις οποίες όμως θα βρεις επαρκές υλικό και εξάσκηση στην Data Tutor μέσω των μαθημάτων, αλλά και των εκπαιδευτικών υπηρεσιών καθοδήγησης και προετοιμασίας!
Η Εκπαιδευτική Πλατφόρμα Data Tutor διαθέτει πληθώρα διαφορών σε σχέση με άλλες εκπαιδευτικές πλατφόρμες. Ενδεικτικά:
- Επαγγελματίας του χώρου σας καθοδηγεί σε project με πραγματικά δεδομένα και πραγματικές περιπτώσεις που δύναται να αντιμετωπίσετε στην πραγματική δουλειά.
- Η καθοδήγηση δεν περιορίζεται μόνο σε project, αλλά και σε γενικότερες γνώσεις που μπορείτε να πάρετε μέσω 1:1 συναντήσεις.
- Συναντήσεις mentoring/coaching είναι διαθέσιμες για εσάς προκειμένου να θέσετε ένα πλάνο από το Α-Ω.
- Μετά την ολοκλήρωση των projects και της μελέτης δεν ήρθε το τέλος. Το παλεύουμε μαζί να είστε πανέτοιμοι για συνεντεύξεις.
- Το υλικό των μαθημάτων είναι στα Αγγλικά, αλλά τα βίντεο, οι ασκήσεις και το Project στα Ελληνικά.
Ναι, τα μαθήματα κορμού που περιλαμβάνονται σε εκπαιδευτικά πακέτα έχουν όλα από ένα (1) Project.
Στην καθοδήγηση των μαθημάτων η καθοδηγήτρια έρχεται σε επικοινωνία μαζί σου για να σου προσφέρει βελτίωση του τελικού σου project. Στην εκπαιδευτική καθοδήγηση λαμβάνεις online 1:1 καθοδήγηση πάνω σε γνώσεις και ύλη των μαθημάτων που προσφέρονται πάντοτε με βάση τις προσωπικές σου ανάγκες. Οι συναντήσεις αυτές είναι προγραμματισμένες εκ των προτέρων ύστερα από συνεννόηση με την καθοδηγήτρια. Τέλος, η εκπαιδευτική καθοδήγηση προσφέρει σύνολο 3 ώρες και το πλήθος των ωρών δεν είναι καθόλου τυχαίο. Μέσα από την εμπειρία της καθοδηγήτριας, 3 – 4 ώρες χρειάζονται σε συνδυασμό με την μελέτη και την προσωπική εξάσκηση για να βοηθηθείς στην επίλυση των αποριών σου.
Μερικοί από τους λόγους για τους οποίους θα προτιμούσε κανείς εκπαιδευτική καθοδήγηση είναι οι παρακάτω:
- Για να καλύψουμε όλες αυτές τις ερωτήσεις και απορίες που δεν μπορέσαμε να κάνουμε διότι προέκυψαν στην πορεία
- Για να εκπαιδευτούμε σε εργαλεία που δεν προσφέρονται μέσα από ήδη υπάρχοντα προγράμματα σπουδών
- Για να μάθουμε λεπτομέρειες σε τεχνολογίες και εργαλεία που δεν μπορέσαμε να βρούμε μέσα από τα διαθέσιμα προγράμματα σπουδών
- Γιατί θέλουμε σε σύντομο χρονικό διάστημα, να ανανεώσουμε κάποιες γνώσεις μας ώστε να ψάξουμε για εργασία
- κ.ά.
Αν ταυτίζεσαι με την πλειονότητα των παραπάνω, τότε η εκπαιδευτική καθοδήγηση είναι αυτή την στιγμή αυτό που χρειάζεσαι.
Η φράση “Γίνε και εσύ Data Analyst σε 30 ημέρες…” είναι μια απάτη. Για να μπορέσει κανείς να γίνει επαγγελματίας σε ένα πεδίο χρειάζεται χρόνο να μελετήσει, συνεχή εξάσκηση, επιπλέον πρακτική, και διαρκή “περιέργεια” το πώς δουλεύει το κάθε τι. Το συγκεκριμένο εκπαιδευτικό πακέτο με το πλήθος των μαθημάτων και ακολουθώντας το εβδομαδιαίο πλάνο μελέτης, απαιτεί τουλάχιστον 8 μήνες.